Birisi bana Kurtosis hakkında bilgi konusunda yardım edip edemeyeceğini merak ediyordum (yani verilerinizi azaltmak için dönüştürmenin herhangi bir yolu var mı?)
Çok sayıda vaka ve değişken içeren bir anket veri setim var. Değişkenlerimden birkaçı için veriler, katılımcıların çoğunun değişken için tam olarak aynı puanı verdiği gerçeğinden türetilen oldukça yüksek basıklık değerleri (yani bir leptokurtik dağılım) göstermektedir. Özellikle büyük bir örneklem büyüklüğüm var, bu nedenle merkezi limit teoremine göre normallik ihlalleri hala iyi olmalı.
Ancak sorun şu ki, özellikle yüksek seviyelerde Kurtosis veri setimde bir dizi tek değişkenli aykırı değer üretiyor. Bu nedenle, verileri dönüştürsem veya aykırı değerleri kaldırsam / ayarlasam bile, yüksek basıklık seviyeleri, bir sonraki en uç puanların otomatik olarak aykırı hale gelmesi anlamına gelir. (Diskriminant fonksiyon analizi) kullanmayı hedefliyorum. DFA'nın ihlale aykırı değerlerden değil, çarpıklıktan kaynaklanması şartıyla normallikten uzaklaşmalara karşı sağlam olduğu söylenir. Ayrıca, DFA'nın özellikle verilerdeki aykırı değerlerden etkilendiği söylenmektedir (Tabachnick & Fidel).
Bu sorunu nasıl çözeceğiniz hakkında bir fikriniz var mı? (İlk düşüncem Kurtosis'i kontrol etmenin bir yoluydu, ancak örneğimin çoğunun benzer derecelendirmeler vermesi iyi bir şey değil mi?)